回帰直線の傾きの求め方は？公式や計算方法も！（最小二乗法：切片：エクセル：SLOPE関数など）

回帰直線の傾きは、二つのデータの関係を数字で捉えるための重要な値です。

売上と広告費、気温と飲料の販売数、勉強時間と得点のように、片方が変化したときにもう片方がどの程度変化するかを読み取りたい場面で活用されます。

計算式だけを見ると難しそうに感じるかもしれませんが、平均、偏差、最小二乗法の考え方を順番に押さえれば理解しやすくなります。

エクセルのSLOPE関数や散布図の近似直線を利用する方法も含めて、回帰直線の傾きを正確に求める流れを確認していきましょう。

回帰直線の傾きの意味と求め方

それではまず、回帰直線の傾きが何を表し、どのように求めるのかを解説していきます。

回帰直線と傾きが表す関係

回帰直線とは、散布図上に並ぶ複数のデータの傾向を、一本の直線で表したものです。

一般に、説明したい側の数値を目的変数y、原因や条件として扱う数値を説明変数xとし、回帰直線はy＝ax＋bの形で表します。

この式におけるaが回帰直線の傾きであり、xが1増えたときにyが平均してどれくらい増減するかを示します。

たとえば傾きが3なら、xが1単位増加すると、yは平均的に3単位増える傾向です。

反対に傾きがマイナス2であれば、xが1単位増えるごとにyは平均で2単位下がる関係と読めます。

ただし、回帰直線は個々のデータを完全に通過する線ではありません。

実際の観測値にはばらつきがあるため、そのばらつきを全体として最も小さくするように引かれた直線が回帰直線です。

傾きの基本公式

単回帰分析における傾きaは、次の公式で求められます。

Σは、各データについて計算した値をすべて合計する記号です。

分子はxとyが平均からどの方向へ、どの程度一緒に離れるかを合計した値であり、共分散に関係します。

分母はxだけのばらつきを二乗して合計した値です。

つまり傾きは、xとyの連動の大きさを、x自身のばらつきで割った値と考えられます。

xが大きいときにyも大きくなりやすいなら分子は正になり、傾きも正になります。

xが大きいときにyが小さくなりやすい場合は分子が負となり、右下がりの回帰直線になる仕組みです。

傾きの値を読む際の注意点

傾きは関係の方向と変化量を示す便利な指標ですが、それだけで因果関係まで断定することはできません。

広告費と売上に正の傾きが見られても、季節要因や商品の人気、販売店数など、ほかの要因が売上に影響している可能性があります。

また、傾きの数値はxとyの単位によって変わります。

たとえばxを円ではなく千円で入力すれば、傾きの大きさも千倍の見え方になります。

外れ値が一つ混ざるだけで傾きが大きく変わるケースもあるため、算出後には必ず散布図を確認するとよいでしょう。

最小二乗法による計算手順

続いては、最小二乗法を使って傾きを計算する手順を確認していきます。

最小二乗法の基本的な考え方

最小二乗法は、実際のデータと回帰直線による予測値との差をできるだけ小さくする方法です。

各データの縦方向のずれは残差と呼ばれます。

残差をそのまま足すと正と負が相殺されるため、すべての残差を二乗してから合計します。

この二乗和が最も小さくなるように、傾きaと切片bを決める考え方です。

最小二乗法では大きなずれほど強く評価されるため、直線全体がデータ群の中心的な傾向に近づきます。

学校の数学で扱う二点を通る直線と異なり、多数の点に対して最も妥当な線を求められる点が特徴です。

平均と偏差を用いた計算例

xを勉強時間、yをテスト得点とし、四人分のデータがあるとします。

番号	x 勉強時間	y 得点	xの偏差	yの偏差	偏差の積	xの偏差の二乗
1	1	52	-1.5	-13	19.5	2.25
2	2	60	-0.5	-5	2.5	0.25
3	3	70	0.5	5	2.5	0.25
4	4	82	1.5	17	25.5	2.25
合計	10	264	0	0	50	5

xの平均は2.5、yの平均は66です。

表の偏差の積の合計は50、xの偏差の二乗の合計は5となります。

この結果から、勉強時間が1時間増えると得点は平均で10点上がる傾向と読み取れます。

実務のデータではここまできれいに並ばないことが多いものの、計算の構造は同じです。

計算時に確認したいデータ条件

回帰直線を求めるには、原則としてxとyが対応した組になっている必要があります。

一方のデータだけ行順がずれていたり、欠損値が混ざっていたりすると、計算結果は正しくなりません。

xの値がすべて同じ場合も分母が0となるため、傾きは求められません。

これは、xにばらつきがなければ、xの変化に対するyの変化を判断できないためです。

単位の入力ミス、全角文字として保存された数値、桁の違う外れ値にも注意が必要でしょう。

切片と回帰式の組み立て

続いては、傾きとともに回帰式を構成する切片を確認していきます。

切片の意味

切片bは、回帰式y＝ax＋bにおいてxが0のときのyの予測値です。

グラフ上では、回帰直線がy軸と交わる位置を表します。

傾きだけでは直線の向きしか決まらず、どこを通るかは決まりません。

そこで切片を求めることで、回帰直線の位置まで定まります。

ただし、x＝0が実際には起こらない条件の場合、切片を現実の数値として過度に解釈しないほうが安全です。

たとえば年齢と年収の関係で、年齢0歳の推定年収に実用的な意味を持たせるのは難しいでしょう。

切片の公式と求め方

切片bは、xとyの平均値、そして先に求めた傾きaから計算できます。

先ほどの勉強時間と得点の例では、xの平均が2.5、yの平均が66、傾きが10でした。

そのため切片は、66－10×2.5で求められます。

計算すると切片は41となり、回帰式はy＝10x＋41です。

この式では、勉強時間が3時間なら予測得点は71点になります。

実際の得点が70点であれば、予測値との差である残差はマイナス1点です。

回帰式を予測に使う方法

回帰式を作成すると、未観測のxに対してyの予測値を出せるようになります。

たとえば傾きが2.4、切片が15の回帰式なら、xが20のときの予測値は63です。

予測計算自体は簡単ですが、元の観測範囲を大きく超えた予測には注意が必要です。

たとえばxが1から10までのデータだけを使って求めた回帰式に、xが100の値を入れても信頼できるとは限りません。

このように観測範囲の外側まで予測を伸ばすことは外挿と呼ばれます。

回帰直線はデータ範囲内の傾向を要約したものとして扱い、外挿する際は根拠を別途確認しましょう。

エクセルのSLOPE関数とグラフ操作

続いては、エクセルで回帰直線の傾きを求める方法を確認していきます。

SLOPE関数の基本書式

エクセルには、最小二乗法による回帰直線の傾きを直接求めるSLOPE関数があります。

基本的な書式は、SLOPE関数の後に既知のyの範囲と既知のxの範囲を指定する形です。

たとえば得点がB2からB11、勉強時間がA2からA11に入力されているなら、yの範囲にB2からB11、xの範囲にA2からA11を指定します。

SLOPE関数ではyを先、xを後に指定する点が特に重要です。

順番を逆にすると、求めたい回帰式とは異なる値になるため、引数の並びを確認してください。

入力セルに文字列やエラー値が含まれる場合は、対象範囲を見直してから再計算しましょう。

INTERCEPT関数とLINEST関数

切片を求めたい場合には、INTERCEPT関数を使用します。

引数の並びはSLOPE関数と同様で、既知のyの範囲を先に、既知のxの範囲を後に指定します。

傾きと切片を別々に求めることで、セル上に回帰式を組み立てることもできます。

より詳しい統計情報が必要なら、LINEST関数も便利です。

LINEST関数では傾きや切片に加えて、決定係数、標準誤差などの情報を取得できます。

データ分析の目的が単純な予測なのか、関係の信頼性まで評価したいのかによって使い分けるとよいでしょう。

散布図と近似曲線の設定

数式だけではデータの形を把握しにくいため、散布図も作成することをおすすめします。

xの列とyの列を選択し、挿入メニューから散布図を作成します。

データ系列を選択して近似曲線を追加し、線形を選ぶと回帰直線を表示できます。

グラフの設定で数式を表示すれば、y＝ax＋bの形で傾きと切片を画面上で確認できます。

さらにR二乗値を表示すると、直線がデータのばらつきをどの程度説明しているかも把握可能です。

相関係数と決定係数の見方

続いては、傾きと混同されやすい相関係数や決定係数を確認していきます。

傾きと相関係数の違い

傾きは、xが1単位変化したときのyの変化量を表す値です。

一方で相関係数は、二つの変数の線形的な結び付きの強さと方向を、マイナス1から1の範囲で表します。

相関係数が1に近いほど強い正の相関、マイナス1に近いほど強い負の相関があると考えられます。

相関係数が0に近い場合は、直線的な関係が弱いと判断するのが一般的です。

傾きには単位がありますが、相関係数には単位がありません。

そのため、異なる単位のデータ同士で関係の強さを比較したい場合には、相関係数が役立ちます。

決定係数R二乗の意味

決定係数R二乗は、回帰直線が目的変数yのばらつきをどの程度説明できているかを示す指標です。

値は通常0から1の範囲で扱われ、1に近いほど直線がデータに適合していると考えられます。

たとえばR二乗が0.80なら、yのばらつきのうち約80パーセントをxとの線形関係で説明できるという見方になります。

ただし、R二乗が高いからといって、必ずしも予測や因果の結論が正しいとは限りません。

データ数が少ない場合や、特定の外れ値に引っ張られている場合には慎重な確認が必要です。

数値を解釈するための比較表

指標	主な意味	値の特徴	確認したい点
傾き	xが1増えたときのyの変化量	正負があり単位の影響を受ける	変数の単位と実務的な大きさ
切片	xが0のときの予測値	直線の位置を決める	xが0に意味があるか
相関係数	線形関係の強さと方向	-1から1の範囲	散布図の直線性
決定係数	回帰式による説明の度合い	0から1の範囲で見ることが多い	外れ値とデータ数
残差	実測値と予測値の差	正負が生じる	偏りや曲線的なパターン

数値を一つだけ見て判断するのではなく、傾き、R二乗、散布図、残差の分布を組み合わせて確認することが大切です。

特に残差が一方向に偏っている場合、直線ではなく曲線モデルのほうが適している可能性もあります。

回帰直線の傾きの活用ポイント

続いては、回帰直線の傾きを活用する際のポイントを確認していきます。

ビジネスデータでの活用場面

回帰直線の傾きは、販売、マーケティング、製造、在庫管理など、幅広い分野で利用できます。

たとえば広告出稿額をx、問い合わせ件数をyとして分析すれば、広告費の増加に対する問い合わせの平均的な変化を確認できます。

店舗数と売上高、訪問数と成約数、気温と商品の販売数なども代表的な組み合わせです。

傾きが大きい項目は、条件の変化に対して結果が動きやすい可能性があります。

ただし、季節や地域、施策内容が異なるデータを単純に混ぜると、傾きの意味がぼやけることがあります。

分析目的に合わせて対象期間や対象グループを絞る工夫が求められます。

外れ値と非線形の確認

回帰直線は便利な手法ですが、すべてのデータに直線が適しているわけではありません。

たとえば広告費を増やしても、一定額を超えると反応が鈍くなる場合があります。

このような関係は、散布図では曲線的な形として現れることがあります。

また、入力ミスや特殊な事情による極端なデータは、回帰直線の傾きを必要以上に動かす外れ値になり得ます。

外れ値を見つけた場合は、すぐに削除するのではなく、入力誤りなのか実際に起きた重要な事象なのかを確認してください。

分析の目的によっては、外れ値を含めた結果と除外した結果を比較する方法も有効です。

単回帰分析から次の分析へ

回帰直線の傾きは、一つの説明変数xと一つの目的変数yを扱う単回帰分析の基礎です。

実際の結果には複数の要因が関わることが多いため、必要に応じて複数の説明変数を使う重回帰分析へ進むこともあります。

ただし、変数を増やせば分析が必ず良くなるわけではありません。

似た意味を持つ説明変数を多く入れると、個々の傾きの解釈が難しくなる場合もあります。

まずは単回帰分析で散布図と傾きを丁寧に読み、関係の仮説を作ることが堅実な出発点です。

計算結果を意思決定につなげるには、数式の正しさと現場の背景を両方見る姿勢が欠かせません。

回帰直線の傾きの求め方のまとめ

回帰直線の傾きは、説明変数xが1単位変化したときに目的変数yが平均でどの程度変化するかを表す値です。

最小二乗法では、xとyの偏差の積の合計を、xの偏差の二乗和で割ることで傾きを求めます。

切片は、yの平均から傾きとxの平均の積を引くことで計算でき、傾きと合わせて回帰式y＝ax＋bを作れます。

エクセルを使う場合は、SLOPE関数で傾きを求め、INTERCEPT関数で切片を求める方法が手軽です。

散布図に近似曲線を追加すれば、計算結果を視覚的にも確認できます。

傾きだけで結論を出さず、相関係数、決定係数、残差、外れ値、データの単位まで確認することが大切です。

基本の公式とエクセル操作を押さえ、データの背景も踏まえて活用すれば、回帰直線は予測や改善のヒントを得る有力な手段になるでしょう。